CN112465104A - 身高发育评价方法及终端设备 - Google Patents
身高发育评价方法及终端设备 Download PDFInfo
- Publication number
- CN112465104A CN112465104A CN202011400232.8A CN202011400232A CN112465104A CN 112465104 A CN112465104 A CN 112465104A CN 202011400232 A CN202011400232 A CN 202011400232A CN 112465104 A CN112465104 A CN 112465104A
- Authority
- CN
- China
- Prior art keywords
- height
- target individual
- value
- target
- difference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明适用于儿童生长发育评价技术领域,提供了一种身高发育评价方法及终端设备,上述方法包括:采集目标个体的骨骼图像、实际身高及实际年龄;根据目标个体的骨骼图像,采用神经网络模型确定目标个体的骨龄;根据目标个体的骨龄、目标个体的实际身高及目标个体的实际年龄对目标个体的身高进行评价,并输出评价结果。本发明采用神经网络模型检测目标个体的骨龄,检测结果准确,然后根据儿童生产发育的自然规律,通过儿童的实际身高、实际年龄及骨龄对儿童的生长发育进行客观评价,评价结果客观准确,不受人为因素的影响,可为儿童生长发育干预方案的制定提供有力的参考依据。
Description
技术领域
本发明属于儿童生长发育评价技术领域,尤其涉及一种身高发育评价方法及终端设备。
背景技术
儿童的身高是反应儿童发育情况的重要指标,准确对儿童的身高进行评价,可对某些疾病的诊断提供重要依据,及时发现并进行干预管理,帮助儿童健康成长。
现有技术中多为医生根据儿童发育指标进行身高评价,主观性较强,评价结果不准确,导致儿童无法获得科学、合理的干预方案。
发明内容
有鉴于此,本发明实施例提供了一种身高发育评价方法及终端设备,以解决现有技术中医生根据发育指标进行评价主观性较强,不准确的问题。
本发明实施例的第一方面提供了一种身高发育评价方法,包括:
采集目标个体的骨骼图像、实际身高及实际年龄;
根据目标个体的骨骼图像,采用神经网络模型确定目标个体的骨龄;
根据目标个体的骨龄、目标个体的实际身高及目标个体的实际年龄对目标个体的身高进行评价,并输出评价结果。
本发明实施例的第二方面提供了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如本发明实施例第一方面提供的身高发育评价方法的步骤。
本发明实施例的第三方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如本发明实施例第一方面提供的身高发育评价方法的步骤。
本发明实施例提供了一种身高发育评价方法,包括:采集目标个体的骨骼图像、实际身高及实际年龄;根据目标个体的骨骼图像,采用神经网络模型确定目标个体的骨龄;根据目标个体的骨龄、目标个体的实际身高及目标个体的实际年龄对目标个体的身高进行评价,并输出评价结果。本发明采用神经网络模型检测目标个体的骨龄,检测结果准确,然后根据儿童生产发育的自然规律,通过儿童的实际身高、实际年龄及准确的骨龄对儿童的生长发育进行客观评价,评价结果客观准确,不受人为因素的影响,可为儿童生长发育干预方案的制定提供有力的参考依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种身高发育评价方法的实现流程示意图;
图2是本发明实施例提供的身高发育评价装置的示意图;
图3是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明的技术方案,下面通过具体实施例来进行说明。
参考图1,本发明实施例提供了一种身高发育评价方法,包括:
步骤S101:采集目标个体的骨骼图像、实际身高及实际年龄;
步骤S102:根据目标个体的骨骼图像,采用神经网络模型确定目标个体的骨龄;
步骤S103:根据目标个体的骨龄、目标个体的实际身高及目标个体的实际年龄对目标个体的身高进行评价,并输出评价结果。
本发明实施例中采用神经网络模型对目标个体的骨龄进行检测,计算结果准确,同时以儿童生长发育的特性、遗传规律等为理论基础,根据目标个体的骨龄、实际年龄及实际身高对目标个体的身高进行评价,评价结果客观准确,可为儿童生长发育干预方案的制定提供有力的参考依据。
一些实施例中,步骤S102可以包括:
步骤S1021:将目标个体的骨骼图像输入神经网络模型得到多个分类结果及多个分类结果分别对应的置信度;
步骤S1022:在多个分类结果中选取第一预设数量的分类结果和目标分类结果;其中,第一预设数量的分类结果为在多个分类结果中,按照置信度从大到小的顺序,排列在前第一预设数量的分类结果,目标分类结果为在多个分类结果中置信度最高的分类结果;
步骤S1023:根据第一预设数量的分类结果及目标分类结果的置信度,确定目标分类结果的可靠性;
步骤S1024:若目标分类结果可靠,则根据目标分类结果确定目标个体的骨龄;
步骤S1025:若目标分类结果不可靠,则对目标分类结果进行校正,并根据校正后的目标分类结果确定目标个体的骨龄。
现有技术中,采用神经网络模型进行分类识别时一般仅输出一个结果,结果可能不准确。本发明实施例在原有神经网络模型的基础上引入可靠性判断机制,并对不可靠的目标分类结果进行校正,提高了骨龄检测的准确度,检测得到的目标个体的骨龄更加准确,从而使得目标个体的身高发育评价结果也更加的准确。
一些实施例中,分类结果为RUS-CHN骨龄标准,步骤S1023可以包括:
步骤S10231:确定目标分类结果是否有后缀;
步骤S10232:若目标分类结果没有后缀,则基于第一预设数量的分类结果及目标分类结果的置信度,执行第一操作,得到目标分类结果的可靠性;
步骤S10233:若目标分类结果有后缀,则确定目标骨龄标准;
步骤S10234:若目标骨龄标准为RUS-CHN骨龄标准,则基于第一预设数量的分类结果及目标分类结果的置信度,执行第一操作,得到目标分类结果的可靠性;
步骤S10235:若目标骨龄标准为TW3骨龄标准,则基于第一预设数量的分类结果,执行第二操作,得到目标分类结果的可靠性。
一些实施例中,步骤S10234可以包括:
确定目标分类结果的置信度是否大于置信度阈值;
若目标分类结果的置信度大于置信度阈值,则目标分类结果可靠;
若目标分类结果的置信度不大于置信度阈值,则确定第一预设数量的分类结果的等级是否连续;
若第一预设数量的分类结果的等级连续,则目标分类结果可靠;
若第一预设数量的分类结果的等级不连续,则目标分类结果不可靠。
置信度阈值为根据经验得到,若目标分类结果的置信度大于置信度阈值,则说明目标分类结果的置信度较高,较准确,目标分类结果可靠。若目标分类结果的置信度不够高,则判定目标分类结果不可靠。进一步的,确定第一预设数量的分类结果的等级是否连续,例如,第一预设数量可以为2,即第一预设数量的分类结果为多个分类结果中置信度最高的及次高的两个等级,若这两个等级连续,说明分类结果的整体趋势是一致的,目标分类结果的可信度较高,判定目标分类结果可靠。
一些实施例中,步骤S10235可以包括:
确定第一预设数量的分类结果的等级是否连续;
若第一预设数量的分类结果的等级连续,则目标分类结果可靠;
若第一预设数量的分类结果的等级连续,则目标分类结果不可靠。
一些实施例中,步骤S103可以包括:
步骤S1031:根据目标个体的实际身高及目标个体的实际年龄确定目标个体的实际身高统计水平值,并确定目标个体的实际身高统计水平值是否大于预设统计水平值;
步骤S1032:若目标个体的实际身高统计水平值大于预设统计水平值,则根据目标个体的父亲的身高、目标个体的母亲的身高及目标个体的骨龄对目标个体的身高进行评价;
步骤S1033:若目标个体的实际身高统计水平值不大于预设统计水平值,则根据目标个体的骨龄及目标个体的实际年龄对目标个体的身高进行评价。
身高统计水平值为根据统计得到的个体身高处于整体身高分布中的水平,例如,身高统计水平值可以为身高百分位数或标准差单位(简称SDS)。其中,身高百分位数和SDS之间可相互转换。例如,实际身高百分位数统计水平值可以为实际身高百分位数,即实际身高和实际年龄在身高百分位数值表中对应的百分位数。
根据儿童身高发育的规律,若目标个体当前的身高统计水平值远大于同龄人,则说明目标个体可能发育异常或因遗传因素身高较高,由此参考目标个体的父亲身高或母亲身高对目标个体发育情况进行评价。若目标个体的当前的身高百分位数小于预设百分位数,则根据目标个体的骨龄及实际年龄对目标个体的身高发育情况进行进一步的评价。
一些实施例中,当身高统计水平值为身高百分位数时,预设统计水平值为97。
一些实施例中,步骤S1032可以包括:
步骤S10321:根据目标个体的父亲的身高及目标个体的母亲的身高,确定目标个体的母亲的身高统计水平值和目标个体的父亲的身高统计水平值中较大的值,并将该较大的值作为目标身高统计水平值;
步骤S10322:确定目标身高统计水平值是否大于第一阈值;
步骤S10323:若目标身高统计水平值小于第一阈值,则目标个体发育异常,身高过高;
步骤S10324:若目标身高统计水平值不小于第一阈值,则根据目标个体的骨龄对目标个体的身高进行评价。
一些实施例中,第一阈值可以为75。
根据遗传规律,目标个体的身高统计水平值若远大于同龄人,且父母身高并非较高,则说明目标个体并非遗传因素导致身高过高,则可判定目标个体的身高异常,身高过高,则可能是疾病导致的身高过高,需及时进行干预。若目标个体的父母身高也较高,则说明目标个体可能是遗传因素导致的身高较高,可根据目标个体的骨龄对目标个体的身高发育情况做进一步的评价。
一些实施例中,步骤S10324可以包括:
确定目标个体的骨龄与目标个体的实际年龄的第一差值;
若第一差值小于第一预设值且第一差值大于第二预设值,则目标个体发育正常;
若第一差值不大于第二预设值或第一差值不小于第一预设值,则目标个体发育异常,骨龄偏差大;
第一预设值大于第二预设值。
一些实施例中,第一预设值可以为2,第二预设值可以为-2。
目标个体的身高统计水平值若远大于同龄人,且父母身高也较高,同时目标个体的骨龄与实际年龄差值也在正常范围内,则说明目标个体骨龄与实际年龄相符,也与遗传规律相符,身高发育较好。如果目标个体的身高统计水平值远大于同龄人,父母身高也较高,但目标个体的骨龄与实际年龄差值超出正常范围,则说明目标个体发育异常,骨龄偏差大,需及时检查并干预。
一些实施例中,步骤S10324可以包括:
确定目标个体的骨龄是否达到第八预设值及目标个体的实际年龄是否大于目标个体的骨龄;
若所述目标个体的骨龄达到第八预设值,且目标个体的实际年龄大于目标个体的骨龄,则目标个体发育成熟;
若所述目标个体的骨龄未达到第八预设值,或目标个体的实际年龄不大于目标个体的骨龄,则根据所述目标个体的骨龄及目标个体的实际年龄对目标个体的身高进行评价。
一些实施例中,目标个体的骨龄包括:RUS-CHN骨龄、TW3-C RUS骨龄或TW3 RUS骨龄;根据所述目标个体的骨龄及目标个体的实际年龄对目标个体的身高进行评价,包括:
确定目标个体的骨龄百分位数;
若目标个体的骨龄百分位数小于第九预设值,则目标个体骨发育异常,骨发育延迟;
若目标个体的骨龄百分位数不小于第九预设值且不大于第十预设值,则获取目标个体的TW3-C Carpal骨龄,并根据目标个体的TW3-C Carpal骨龄对目标个体的身高进行评价;
若目标个体的骨龄百分位数大于第十预设值,则目标个体骨发育异常,骨发育提前。
一些实施例中,根据目标个体的TW3-C Carpal骨龄对目标个体的身高进行评价,包括:
确定目标个体的TW3-C Carpal骨龄百分位数;
若目标个体的TW3-C Carpal骨龄百分位数小于第九预设值,则目标个体骨发育异常,腕骨发育延迟;
若目标个体的TW3-C Carpal骨龄百分位数不小于第九预设值且不大于第十预设值,则根据目标个体的骨龄及目标个体的实际年龄对目标个体的身高进行评价;
若目标个体的TW3-C Carpal骨龄百分位数大于第十预设值,则目标个体骨发育异常,腕骨发育提前。
一些实施例中,目标个体的骨龄为RUS-CHN骨龄时,根据目标个体的骨龄及目标个体的实际年龄对目标个体的身高进行评价,包括:
确定目标个体的RUS-CHN骨龄减TW3-C Carpal骨龄百分位数;
若目标个体的RUS-CHN骨龄减TW3-C Carpal骨龄百分位数小于第九预设值,则目标个体骨发育异常,桡尺掌指骨发育落后于腕骨较多;
若目标个体的RUS-CHN骨龄减TW3-C Carpal骨龄百分位数不小于第九预设值且不大于第十预设值,同时目标个体的RUS-CHN骨龄与目标个体实际年龄的差值不大于-1,则目标个体骨发育正常,发育稍延迟;
若目标个体的RUS-CHN骨龄减TW3-C Carpal骨龄百分位数不小于第九预设值且不大于第十预设值,同时目标个体的RUS-CHN骨龄与目标个体实际年龄的差值大于-1且小于1,则目标个体骨发育正常,发育一般;
若目标个体的RUS-CHN骨龄减TW3-C Carpal骨龄百分位数不小于第九预设值且不大于第十预设值,同时目标个体的RUS-CHN骨龄与目标个体实际年龄的差值不小于1,则目标个体骨发育正常,发育稍提前;
若目标个体的RUS-CHN骨龄减TW3-C Carpal骨龄百分位数大于第十预设值,则目标个体骨发育异常,桡尺掌指骨发育提前于腕骨较多。
一些实施例中,目标个体的骨龄为TW3-C RUS骨龄时,根据目标个体的骨龄及目标个体的实际年龄对目标个体的身高进行评价,包括:
确定目标个体的TW3-C RUS骨龄减TW3-C Carpal骨龄百分位数;
若目标个体的TW3-C RUS骨龄减TW3-C Carpal骨龄百分位数小于第九预设值,则目标个体骨发育异常,桡尺掌指骨发育落后于腕骨较多;
若目标个体的TW3-C RUS骨龄减TW3-C Carpal骨龄百分位数不小于第九预设值且不大于第十预设值,同时目标个体的TW3-C RUS骨龄与目标个体实际年龄的差值不大于-1,则目标个体骨发育正常,发育稍延迟;
若目标个体的TW3-C RUS骨龄减TW3-C Carpal骨龄百分位数不小于第九预设值且不大于第十预设值,同时目标个体的TW3-C RUS骨龄与目标个体实际年龄的差值大于-1且小于1,则目标个体骨发育正常,发育一般;
若目标个体的TW3-C RUS骨龄减TW3-C Carpal骨龄百分位数不小于第九预设值且不大于第十预设值,同时目标个体的TW3-C RUS骨龄与目标个体实际年龄的差值不小于1,则目标个体骨发育正常,发育稍提前;
若目标个体的TW3-C RUS骨龄减TW3-C Carpal骨龄百分位数大于第十预设值,则目标个体发育异常,桡尺掌指骨发育提前于腕骨较多。
一些实施例中,目标个体的骨龄为TW3 RUS骨龄时,根据目标个体的骨龄及目标个体的实际年龄对目标个体的身高进行评价,包括:
若目标个体的TW3 RUS骨龄与目标个体实际年龄的差值不大于-1,则目标个体骨发育正常,发育稍延迟;
若目标个体的TW3 RUS骨龄与目标个体实际年龄的差值大于-1且小于1,则目标个体骨发育正常,发育一般;
若目标个体的TW3 RUS骨龄与目标个体实际年龄的差值不小于1,则目标个体骨发育正常,发育稍提前;
一些实施例中,第九预设值为3,第十预设值为97。
一些实施例中,当目标个体的骨龄为RUS-CHN骨龄时,当目标个体为男性时,第八预设值为18;当目标个体为女性时,第八预设值为17。
一些实施例中,当目标个体的骨龄为TW3-CRUS骨龄时,当目标个体为男性时,第八预设值为16;当目标个体为女性时,第八预设值为15。
一些实施例中,当目标个体的骨龄为TW3 RUS骨龄时,当目标个体为男性时,第八预设值为16.5;当目标个体为女性时,第八预设值为15。
一些实施例中,步骤S1033可以包括:
步骤S10331:确定目标个体的骨龄与目标个体的实际年龄的第一差值;
步骤S10332:若第一差值不大于第二预设值或第一差值不小于第一预设值,则目标个体发育异常,骨龄偏差大;
步骤S10333:若第一差值小于第一预设值且第一差值大于第二预设值,则根据目标个体的实际身高、目标个体的靶身高及目标个体的骨龄对目标个体的身高进行评价;
第一预设值大于第二预设值。
一些实施例中,第一预设值可以为2,第二预设值可以为-2。
目标个体的身高统计水平值低于预设统计水平值,但是目标个体的骨龄和实际年龄差值过大,则说明目标个体发育异常,骨龄偏差大,需及时进行检查和干预。若目标个体的骨龄与实际年龄的差值在正常范围内,则进行进一步的评价。
一些实施例中,步骤S10333可以包括:
步骤S103331:获取目标个体的父亲的身高及目标个体的母亲的身高,并根据目标个体的父亲的身高及目标个体的母亲的身高,确定目标个体的以父母身高中值修正的身高统计水平值;
步骤S103332:根据目标个体的骨龄及目标个体的实际身高确定目标个体的骨龄身高统计水平值,并将目标个体的骨龄身高统计水平值减去第三预设值得到第二差值;
步骤S103333:根据目标个体的靶身高及目标个体的实际年龄确定目标个体的靶身高统计水平值,并确定靶身高统计水平值在目标个体的骨龄对应的身高,并记为第一身高;将目标个体的实际身高减去第一身高,得到第三差值;
步骤S103334:根据目标个体的骨龄确定目标个体的骨龄对应的中位数身高;将目标个体的实际身高减去中位数身高,得到第四差值;
步骤S103335:根据以父母身高中值修正的身高统计水平值、第二差值、第三差值及第四差值,对目标个体的身高进行评价。
一些实施例中,步骤S103335可以包括:
步骤S1033351:若以父母身高中值修正的身高统计水平值不小于第四预设值,第二差值不小于第六预设值,则目标个体发育较好;
步骤S1033352:若以父母身高中值修正的身高统计水平值不小于第四预设值,第二差值小于第六预设值且大于第七预设值,则根据第四差值对目标个体的身高进行评价;
步骤S1033353:若以父母身高中值修正的身高统计水平值不小于第四预设值,第二差值不大于第七预设值,则目标个体发育较差;
步骤S1033354:若以父母身高中值修正的身高统计水平值小于第四预设值大于第五预设值,第二差值不小于第六预设值,则目标个体发育较好;
步骤S1033355:若以父母身高中值修正的身高统计水平值小于第四预设值大于第五预设值,第二差值小于第六预设值且大于第七预设值,则根据第三差值及第四差值对目标个体的身高进行评价;
步骤S1033356:若以父母身高中值修正的身高统计水平值小于第四预设值大于第五预设值,第二差值不大于第七预设值,则目标个体发育较差;
步骤S1033357:若以父母身高中值修正的身高统计水平值不大于第五预设值,第二差值不小于第六预设值,则目标个体发育较差;
步骤S1033358:若以父母身高中值修正的身高统计水平值不大于第五预设值,第二差值小于第六预设值且大于第七预设值,则目标个体发育较差;
步骤S1033359:若以父母身高中值修正的身高统计水平值不大于第五预设值,第二差值不大于第七预设值,则根据第三差值及第四差值对目标个体的身高进行评价。
一些实施例中,步骤S1033352可以包括:
若第四差值不小于零,则目标个体发育一般;
若第四差值小于零,则目标个体发育较差;
一些实施例中,步骤S1033355可以包括:
若第四差值不小于第三差值,且第三差值大于零,则目标个体发育一般;
若第四差值不小于第三差值,且第三差值等于零,则目标个体发育一般;
若第四差值不小于第三差值,且第三差值小于零,则目标个体发育较差;
若第四差值小于第三差值,且第四差值大于零,则目标个体发育一般;
若第四差值小于第三差值,且第四差值等于零,则目标个体发育一般;
若第四差值小于第三差值,且第四差值小于零,则目标个体发育较差。
一些实施例中,步骤S1033359可以包括:
若第四差值不小于第三差值,则目标个体发育差;
若第四差值小于第三差值,则目标个体发育差。
一些实施例中,当身高统计水平值为身高百分位数时,第三预设值可以为50。
一些实施例中,第四预设值可以为75,第五预设值可以为25。
一些实施例中,第六预设值可以为10,第七预设值可以为-10。
目标个体的骨龄对应的中位数身高可以为目标个体骨龄在骨龄身高百分位数值表中50百分位对应的身高。
本发明实施例中,实际身高统计水平值、靶身高统计水平值及骨龄身高统计水平值均通过查表得到。男性和女性分别进行查表。
本发明实施例中综合实际身高、实际年龄、父母身高、骨龄及靶身高等多个因素,根据儿童发育特性及遗传学原理,全面的对目标个体的身高进行评价,评价结果准确。同时,本发明实施例在对目标个体的骨龄进行判断时,在原有神经网络模型的基础上引入可靠性判断机制,大大提高了骨龄检测的准确度,从而对目标个体的身高评价的结果也更加准确。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
参考图2,本发明实施例还提供了一种身高发育评价装置,包括
参数采集模块21,用于采集目标个体的骨骼图像、实际身高及实际年龄;
骨龄计算模块22,用于根据目标个体的骨骼图像,采用神经网络模型确定目标个体的骨龄;
身高评价模块23,用于根据目标个体的骨龄、目标个体的实际身高及目标个体的实际年龄对目标个体的身高进行评价,并输出评价结果。
一些实施例中,骨龄计算模块22可以包括:
分类结果输出单元221,用于将目标个体的骨骼图像输入神经网络模型得到多个分类结果及多个分类结果分别对应的置信度;
分类结果选取单元222,用于在多个分类结果中选取第一预设数量的分类结果和目标分类结果;其中,第一预设数量的分类结果为在多个分类结果中,按照置信度从大到小的顺序,排列在前第一预设数量的分类结果,目标分类结果为在多个分类结果中置信度最高的分类结果;
可靠性判断单元223,用于根据第一预设数量的分类结果及目标分类结果的置信度,确定目标分类结果的可靠性;
第一骨龄确定单元224,用于若目标分类结果可靠,则根据目标分类结果确定目标个体的骨龄;
第二骨龄确定单元225,用于若目标分类结果不可靠,则对目标分类结果进行校正,并根据校正后的目标分类结果确定目标个体的骨龄。
一些实施例中,身高评价模块23可以包括:
第一判断子模块231,用于根据目标个体的实际身高及目标个体的实际年龄确定目标个体的实际身高统计水平值,并确定目标个体的实际身高统计水平值是否大于预设统计水平值;
第一评价子模块232,用于若目标个体的实际身高统计水平值大于预设统计水平值,则根据目标个体的父亲的身高、目标个体的母亲的身高及目标个体的骨龄对目标个体的身高进行评价;
第二评价子模块233,用于若目标个体的实际身高统计水平值不大于预设统计水平值,则根据目标个体的骨龄及目标个体的实际年龄对目标个体的身高进行评价。
一些实施例中,预设统计水平值为97。
一些实施例中,第一评价子模块232可以包括:
目标身高统计水平值确定单元2321,用于根据目标个体的父亲的身高及目标个体的母亲的身高,确定目标个体的母亲的身高统计水平值和目标个体的父亲的身高统计水平值中较大的值,并将该较大的值作为目标身高统计水平值;
目标身高统计水平值比较单元2322,用于确定目标身高统计水平值是否大于第一阈值;
第一判断单元2323,用于若目标身高统计水平值小于第一阈值,则目标个体发育异常,身高过高;
第二判断单元2324,用于若目标身高统计水平值不小于第一阈值,则根据目标个体的骨龄对目标个体的身高进行评价。
一些实施例中,第一阈值可以为75。
一些实施例中,第二判断单元2324可以具体用于:
确定目标个体的骨龄与目标个体的实际年龄的第一差值;
若第一差值小于第一预设值且第一差值大于第二预设值,则目标个体发育正常;
若第一差值不大于第二预设值或第一差值不小于第一预设值,则目标个体发育异常,骨龄偏差大;
第一预设值大于第二预设值。
一些实施例中,第一预设值可以为2,第二预设值可以为-2。
一些实施例中,第二评价子模块233可以包括:
骨龄差值确定单元2331,用于确定目标个体的骨龄与目标个体的实际年龄的第一差值;
第三判断单元2332,用于若第一差值不大于第二预设值或第一差值不小于第一预设值,则目标个体发育异常,骨龄偏差大;
第四判断单元2333,用于若第一差值小于第一预设值且第一差值大于第二预设值,则根据目标个体的实际身高、目标个体的靶身高及目标个体的骨龄对目标个体的身高进行评价;
第一预设值大于第二预设值。
一些实施例中,第一预设值可以为2,第二预设值可以为-2。
一些实施例中,第四判断单元2333可以包括:
第一计算子单元23331,用于获取目标个体的父亲的身高及目标个体的母亲的身高,并根据目标个体的父亲的身高及目标个体的母亲的身高,确定目标个体的以父母身高中值修正的身高统计水平值;
第二计算子单元23332,根据目标个体的骨龄及目标个体的实际身高确定目标个体的骨龄身高统计水平值,并将目标个体的骨龄身高统计水平值减去第三预设值得到第二差值;
第三计算子单元23333,根据目标个体的靶身高及目标个体的实际年龄确定目标个体的靶身高统计水平值,并确定靶身高统计水平值在目标个体的骨龄对应的身高,并记为第一身高;将目标个体的实际身高减去第一身高,得到第三差值;
第四计算子单元23334,根据目标个体的骨龄确定目标个体的骨龄对应的中位数身高;将目标个体的实际身高减去中位数身高,得到第四差值;
评价子单元23335,根据以父母身高中值修正的身高统计水平值、第二差值、第三差值及第四差值,对目标个体的身高进行评价。
一些实施例中,评价子单元23335具体用于:
若以父母身高中值修正的身高统计水平值不小于第四预设值,第二差值不小于第六预设值,则目标个体发育较好;
若以父母身高中值修正的身高统计水平值不小于第四预设值,第二差值小于第六预设值且大于第七预设值,则根据第四差值对目标个体的身高进行评价;
若以父母身高中值修正的身高统计水平值不小于第四预设值,第二差值不大于第七预设值,则目标个体发育较差;
若以父母身高中值修正的身高统计水平值小于第四预设值大于第五预设值,第二差值不小于第六预设值,则目标个体发育较好;
若以父母身高中值修正的身高统计水平值小于第四预设值大于第五预设值,第二差值小于第六预设值且大于第七预设值,则根据第三差值及第四差值对目标个体的身高进行评价;
若以父母身高中值修正的身高统计水平值小于第四预设值大于第五预设值,第二差值不大于第七预设值,则目标个体发育较差;
若以父母身高中值修正的身高统计水平值不大于第五预设值,第二差值不小于第六预设值,则目标个体发育较差;
若以父母身高中值修正的身高统计水平值不大于第五预设值,第二差值小于第六预设值且大于第七预设值,则目标个体发育较差;
若以父母身高中值修正的身高统计水平值不大于第五预设值,第二差值不大于第七预设值,则根据第三差值及第四差值对目标个体的身高进行评价。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将终端设备的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图3是本发明一实施例提供的终端设备的示意框图。如图3所示,该实施例的终端设备4包括:一个或多个处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述各个身高发育评价方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,处理器40执行计算机程序42时实现上述身高发育评价装置实施例中各模块/单元的功能,例如图2所示模块21至23的功能。
示例性地,计算机程序42可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器41中,并由处理器40执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序42在终端设备4中的执行过程。例如,计算机程序42可以被分割成参数采集模块21、骨龄计算模块22及身高评价模块23。
参数采集模块21,用于采集目标个体的骨骼图像、实际身高及实际年龄;
骨龄计算模块22,用于根据目标个体的骨骼图像,采用神经网络模型确定目标个体的骨龄;
身高评价模块23,用于根据目标个体的骨龄、目标个体的实际身高及目标个体的实际年龄对目标个体的身高进行评价,并输出评价结果。
其它模块或者单元在此不再赘述。
终端设备4包括但不仅限于处理器40、存储器41。本领域技术人员可以理解,图3仅仅是终端设备的一个示例,并不构成对终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备4还可以包括输入设备、输出设备、网络接入设备、总线等。
处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器41可以是终端设备的内部存储单元,例如终端设备的硬盘或内存。存储器41也可以是终端设备的外部存储设备,例如终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器41还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序42以及终端设备所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的终端设备和方法,可以通过其它的方式实现。例如,以上所描述的终端设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种身高发育评价方法,其特征在于,包括:
采集目标个体的骨骼图像、实际身高及实际年龄;
根据所述目标个体的骨骼图像,采用神经网络模型确定所述目标个体的骨龄;
根据所述目标个体的骨龄、所述目标个体的实际身高及所述目标个体的实际年龄对所述目标个体的身高进行评价,并输出评价结果。
2.如权利要求1所述的身高发育评价方法,其特征在于,所述根据所述目标个体的骨龄、所述目标个体的实际身高及所述目标个体的实际年龄对所述目标个体的身高进行评价,包括:
根据所述目标个体的实际身高及所述目标个体的实际年龄确定所述目标个体的实际身高统计水平值,并确定所述目标个体的实际身高统计水平值是否大于预设统计水平值;
若所述目标个体的实际身高统计水平值大于所述预设统计水平值,则根据所述目标个体的父亲的身高、所述目标个体的母亲的身高及所述目标个体的骨龄对所述目标个体的身高进行评价;
若所述目标个体的实际身高统计水平值不大于所述预设统计水平值,则根据所述目标个体的骨龄及所述目标个体的实际年龄对所述目标个体的身高进行评价。
3.如权利要求2所述的身高发育评价方法,其特征在于,所述根据所述目标个体的父亲的身高、所述目标个体的母亲的身高及所述目标个体的骨龄对所述目标个体的身高进行评价,包括:
根据所述目标个体的父亲的身高及所述目标个体的母亲的身高,确定所述目标个体的母亲的身高统计水平值和所述目标个体的父亲的身高统计水平值中较大的值,并将该较大的值作为目标身高统计水平值;
确定所述目标身高统计水平值是否大于第一阈值;
若所述目标身高统计水平值小于所述第一阈值,则所述目标个体发育异常,身高过高;
若所述目标身高统计水平值不小于所述第一阈值,则根据所述目标个体的骨龄对所述目标个体的身高进行评价。
4.如权利要求3所述的身高发育评价方法,其特征在于,所述根据所述目标个体的骨龄对所述目标个体的身高进行评价,包括:
确定所述目标个体的骨龄与所述目标个体的实际年龄的第一差值;
若所述第一差值小于第一预设值且所述第一差值大于第二预设值,则所述目标个体发育正常;
若所述第一差值不大于所述第二预设值或所述第一差值不小于所述第一预设值,则所述目标个体发育异常,骨龄偏差大;
所述第一预设值大于所述第二预设值。
5.如权利要求2所述的身高发育评价方法,其特征在于,所述根据所述目标个体的骨龄及所述目标个体的实际年龄对所述目标个体的身高进行评价,包括:
确定所述目标个体的骨龄与所述目标个体的实际年龄的第一差值;
若所述第一差值不大于第二预设值或所述第一差值不小于第一预设值,则所述目标个体发育异常,骨龄偏差大;
若所述第一差值小于所述第一预设值且所述第一差值大于所述第二预设值,则根据所述目标个体的实际身高、所述目标个体的靶身高及所述目标个体的骨龄对所述目标个体的身高进行评价;
所述第一预设值大于所述第二预设值。
6.如权利要求5所述的身高发育评价方法,其特征在于,所述根据所述目标个体的实际身高、所述目标个体的靶身高及所述目标个体的骨龄对所述目标个体的身高进行评价,包括:
获取所述目标个体的父亲的身高及所述目标个体的母亲的身高,并根据所述目标个体的父亲的身高及所述目标个体的母亲的身高,确定所述目标个体的以父母身高中值修正的身高统计水平值;
根据所述目标个体的骨龄及所述目标个体的实际身高确定所述目标个体的骨龄身高统计水平值,并将所述目标个体的骨龄身高统计水平值减去第三预设值得到第二差值;
根据所述目标个体的靶身高及所述目标个体的实际年龄确定所述目标个体的靶身高统计水平值,并确定所述靶身高统计水平值在所述目标个体的骨龄对应的身高,并记为第一身高;将所述目标个体的实际身高减去所述第一身高,得到第三差值;
根据所述目标个体的骨龄确定所述目标个体的骨龄对应的中位数身高;将所述目标个体的实际身高减去所述中位数身高,得到第四差值;
根据所述以父母身高中值修正的身高统计水平值、所述第二差值、所述第三差值及所述第四差值,对所述目标个体的身高进行评价。
7.如权利要求6所述的身高发育评价方法,其特征在于,所述根据所述以父母身高中值修正的身高统计水平值、所述第二差值、所述第三差值及所述第四差值,对所述目标个体的身高进行评价,包括:
若所述以父母身高中值修正的身高统计水平值不小于第四预设值,所述第二差值不小于第六预设值,则所述目标个体发育较好;
若所述以父母身高中值修正的身高统计水平值不小于所述第四预设值,所述第二差值小于所述第六预设值且大于第七预设值,则根据所述第四差值对所述目标个体的身高进行评价;
若所述以父母身高中值修正的身高统计水平值不小于所述第四预设值,所述第二差值不大于所述第七预设值,则所述目标个体发育较差;
若所述以父母身高中值修正的身高统计水平值小于所述第四预设值大于第五预设值,所述第二差值不小于所述第六预设值,则所述目标个体发育较好;
若所述以父母身高中值修正的身高统计水平值小于所述第四预设值大于所述第五预设值,所述第二差值小于所述第六预设值且大于所述第七预设值,则根据所述第三差值及所述第四差值对所述目标个体的身高进行评价;
若所述以父母身高中值修正的身高统计水平值小于所述第四预设值大于所述第五预设值,所述第二差值不大于所述第七预设值,则所述目标个体发育较差;
若所述以父母身高中值修正的身高统计水平值不大于所述第五预设值,所述第二差值不小于所述第六预设值,则所述目标个体发育较差;
若所述以父母身高中值修正的身高统计水平值不大于所述第五预设值,所述第二差值小于所述第六预设值且大于所述第七预设值,则所述目标个体发育较差;
若所述以父母身高中值修正的身高统计水平值不大于所述第五预设值,所述第二差值不大于所述第七预设值,则根据所述第三差值及所述第四差值对所述目标个体的身高进行评价。
8.如权利要求1至7任一项所述的身高发育评价方法,其特征在于,所述根据所述目标个体的骨骼图像,采用神经网络模型确定所述目标个体的骨龄,包括:
将所述目标个体的骨骼图像输入所述神经网络模型得到多个分类结果及所述多个分类结果分别对应的置信度;
在所述多个分类结果中选取第一预设数量的分类结果和目标分类结果;其中,所述第一预设数量的分类结果为在所述多个分类结果中,按照置信度从大到小的顺序,排列在前第一预设数量的分类结果,所述目标分类结果为在所述多个分类结果中置信度最高的分类结果;
根据所述第一预设数量的分类结果及所述目标分类结果的置信度,确定所述目标分类结果的可靠性;
若所述目标分类结果可靠,则根据所述目标分类结果确定所述目标个体的骨龄;
若所述目标分类结果不可靠,则对所述目标分类结果进行校正,并根据校正后的目标分类结果确定所述目标个体的骨龄。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述身高发育评价方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述身高发育评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011400232.8A CN112465104B (zh) | 2020-12-04 | 2020-12-04 | 身高发育评价方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011400232.8A CN112465104B (zh) | 2020-12-04 | 2020-12-04 | 身高发育评价方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112465104A true CN112465104A (zh) | 2021-03-09 |
CN112465104B CN112465104B (zh) | 2023-10-10 |
Family
ID=74806560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011400232.8A Active CN112465104B (zh) | 2020-12-04 | 2020-12-04 | 身高发育评价方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465104B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115274098A (zh) * | 2022-08-19 | 2022-11-01 | 北京咯咯网络科技有限公司 | 一种基于骨龄与身高来预测身高的智能系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107595248A (zh) * | 2017-08-31 | 2018-01-19 | 郭淳 | 一种检测和评价儿童生长发育状况的方法和系统 |
CN108665961A (zh) * | 2018-05-29 | 2018-10-16 | 王洪建 | 一种儿童保健体格评价和营养早教指导系统 |
CN108836338A (zh) * | 2018-04-04 | 2018-11-20 | 浙江康体汇科技有限公司 | 一种基于web数据库的在线骨龄计算及身高预测方法 |
CN110265119A (zh) * | 2018-05-29 | 2019-09-20 | 中国医药大学附设医院 | 骨龄评估与身高预测模型、其系统及其预测方法 |
CN211962085U (zh) * | 2020-03-13 | 2020-11-20 | 上海市第六人民医院 | 基于人工智能的超声骨龄诊断装置 |
-
2020
- 2020-12-04 CN CN202011400232.8A patent/CN112465104B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107595248A (zh) * | 2017-08-31 | 2018-01-19 | 郭淳 | 一种检测和评价儿童生长发育状况的方法和系统 |
CN108836338A (zh) * | 2018-04-04 | 2018-11-20 | 浙江康体汇科技有限公司 | 一种基于web数据库的在线骨龄计算及身高预测方法 |
CN108665961A (zh) * | 2018-05-29 | 2018-10-16 | 王洪建 | 一种儿童保健体格评价和营养早教指导系统 |
CN110265119A (zh) * | 2018-05-29 | 2019-09-20 | 中国医药大学附设医院 | 骨龄评估与身高预测模型、其系统及其预测方法 |
CN211962085U (zh) * | 2020-03-13 | 2020-11-20 | 上海市第六人民医院 | 基于人工智能的超声骨龄诊断装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115274098A (zh) * | 2022-08-19 | 2022-11-01 | 北京咯咯网络科技有限公司 | 一种基于骨龄与身高来预测身高的智能系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112465104B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11335450B2 (en) | Dehydration amount prediction method for hemodialysis and electronic device using the same | |
CN112529061B (zh) | 一种光伏功率异常数据的识别方法、装置及终端设备 | |
CN110991170A (zh) | 基于电子病历信息的中文疾病名称智能标准化方法与系统 | |
CN110706786A (zh) | 非接触式心理参数智能分析与评测系统 | |
CN109753762B (zh) | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 | |
CN112837799B (zh) | 基于区块链的远程互联网大数据智慧医疗系统 | |
CN111627510A (zh) | 传染病例自动上报方法、系统、设备及可读存储介质 | |
CN112465104A (zh) | 身高发育评价方法及终端设备 | |
CN109597745B (zh) | 异常数据处理方法及装置 | |
CN113824580A (zh) | 一种网络指标预警方法及系统 | |
CN110706773A (zh) | 患者入院管理方法及装置 | |
CN111833298B (zh) | 骨骼发育等级检测方法及终端设备 | |
CN112545493B (zh) | 身高评价方法及终端设备 | |
CN115205954A (zh) | 一种眼部病症识别方法、装置及设备 | |
CN114266501A (zh) | 医院运营指标的自动预测和根因分析方法及系统 | |
CN111563078B (zh) | 基于时序数据的数据质量检测方法、检测装置及存储装置 | |
CN112447302B (zh) | 身高增长速度评价方法及终端设备 | |
CN114358618A (zh) | 基于病例组合的医生住院服务绩效评估方法及系统 | |
CN112967789A (zh) | 一种口腔类专科病种的资源消耗计算测定方法 | |
CN112365983B (zh) | 身高发育评价方法及终端设备 | |
CN117150233B (zh) | 一种电网异常数据治理方法、系统、设备及介质 | |
CN113569482B (zh) | 隧道服役性能的评估方法、装置、终端及存储介质 | |
CN116506205B (zh) | 一种智慧医疗平台的数据处理方法及系统 | |
CN117275636B (zh) | 一种通用系统自动化质疑临床异常数据的方法 | |
CN112053779B (zh) | 疾病检测模型的构建方法、构建装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |